研究生系列教材：多传感器数据融合及其应用 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

杨万海 著

出版社： 西安电子科技大学出版社

ISBN：9787560613598

版次：1

商品编码：10215403

包装：平装

开本：16开

出版时间：2004-04-01

页数：205

内容简介

　　本书以具有代表性的C3I系统为主线，介绍了多传感器数据融合系统的基本概念，系统组成，基本原理以及多传感器数据融合系统设计中所采用的基本方法。
　　全书共分七章，第一章介绍多传感器信息系统的一般概念及组成，第二章至第六章的内容分别为多传感器系统状成估计，数据关联原理和方法，航迹融合等，第七章简单介绍了C3I系统所用到的几种主要传感器。
　　本书是为电子信息类专业对应的各个学科的士研究生编写的，也可供从事电子信息系统研究与设计的工程技术人员和此领域的博士研究生参考。

目录

第1章 多传感器数据融合概述
1.1 引言
1.1.1 概况
1.1.2 雷达信息处理系统的发展过程
1.1.3 数据融合系统中的主要传感器
1.1.4 数据融合的应用领域
1.2 数据融合的定义和通用模型
1.2.1 数据融合的定义
1.2.2 数据融合的通用模型
1.2.3 传感器组成及描述
1.3 数据融合的重要性和潜在能力
1.4 数据融合的分类
1.4.1 像素级融合
1.4.2 特征级融合
1.4.3 决策级融合
1.5 数据融合技术
1.6 数据融合的主要内容

第2章 状态估计
2.1 卡尔曼滤波器
2.1.1 用数字滤波器作为估值器
2.1.2 线性均方估计
2.1.3 最优递归估值器——标量卡尔曼滤波器
2.1.4 向量卡尔曼滤波器
2.1.5 扩展卡尔曼滤波器
2.1.6 卡尔曼滤波器在雷达跟踪中的应用
2.1.7 扩展卡尔曼滤波器在目标跟踪和卫星轨道确定方面的应用·.
2.1.8 目标机动检测.”
2.1.9 自适应卡尔曼滤波器
2.2 常系数α-β和α-β-γ滤波器
2.2.1 目标运动模型
2.2.2 常系数α-β和α-β-γ滤波器
2.2.3 常系数α-β和α-β-γ滤波器的系数
2.2.4 变系数α-β和α-β-γ滤波器的系数
2.2.5 组合滤波器
2.3 自适应滤波器
2.3.1 目标运动方程和观测方程
2.3.2 自适应系数的获取
2.3.3 滤波算法
2.3.4 获取α（κ）和α（κ）的局部方差方法

第3章 数据关联及其数据准备
3.1 多传感器数据关联时的数据准备
3.1.1 对雷达信号处理的要求
3.1.2 预处理
3.1.3 修正系统误差
3.I.4 坐标变换或空间对准
3.I.5 时间同步或对准
3.1.6 量纲对准
3.2 数据关联
3.2.1 数据关联举例
3.2.2 数据关联过程
3.2.3 数据关联的一般步骤
3.3 状态关联及关联门的应用
3.3.1 位置关联及关联门
3.3.2 位置一速度关联
3.3.3 编批目标的关联
3.4 关联门的选择
3.4.1 关联门的形状
3.4.2 关联门的类型
3.4.3 关联门的尺寸
3.5 各种数据关联方法
3.5.1 最邻近数据关联(NNDA)
3.5.2 概率数据关联(PDA)
3.5.3 联合概率数据关联(JPDA)
3.5.4 交互多模型法(1MM)
3.5.5 全局最邻近数据关联
3.5.6 简易联合概率数据关联(CJPDA)
3.5.7 模糊数据关联(FDA)
3.5.8 准最佳联合概率数据关联(SJPDA)
3.5.9 最邻近联合概率数据关联(NNJPDA)
3.5.10 “全邻”最优滤波法—
3.5.11 多假设法(MHT)
3.5.12 航迹分裂法
3.5.13 最大似然数据关联(MLDA)—
3.6 用实际雷达数据对某些关联方法的评价

第4章 航迹及其融合
4.1 引言
4.2 航迹管理
4.2.1 逻辑法
4.2.2 记分法
4.3 航迹的初始化算法
4.3.1 两点外推
4.3.2 三点加速外推
4.4 航迹关联
4.4.1 统计关联方法
4.4.2 模糊关联方法
4.5 航迹融合
4.5.1 航迹融合结构
4.5.2 航迹融合中的相关估计误差问题
4.5.3 航迹状态估计融合
4.5.4 模糊航迹融合
4.5.5 利用伪点迹的航迹融合方法，
4.5.6 信息去相关算法

第5章 身份融合
5.1 引言—
5.2 身份融合算法的分类
5.3 特征及其提取
5.3.1 图像特征
5.3.2 信号数据特征
5.4 身份识别
5.5 识别技术概述
5.5.1 相似性系数法
5.5.2 统计模式识别技术
5.5.3 神经网络技术
5.5.4 参数模板法
5.5.5 聚类分析技术
5.5.6 物理模型
5.5.7 基于知识的方法
5.6 身份融合算法
5.6.1 经典推理
5.6.2 Bayes推理
5.6.3 Dempster—Shafer证据推理方法
5.6.4 身份信息融合的最佳方法

第6章 态势评估与威胁评估
6.1 态势评估
6.1.1 态势评估的定义
6.1.2 态势评估元素
6.1.3 态势评估包含的主要内容
6.1.4 态势评估的特点
6.1.5 态势显示
6.2 威胁评估
6.2.1 威胁评估的定义
6.2.2 威胁评估元素
6.2.3 威胁评估的主要内容
6.3 态势评估和威胁评估的实现方法
6.3.1 态势评估和威胁评估的主要特点
6.3.2 用于STA的主要技术

第7章 C3I系统中常用传感器概述
7.1 引言
7.2 常用传感器
7.2.1 动目标显示／检测雷达
7.2.2 脉冲多普勒雷达(PD)
7.2.3 连续波雷达(CW)
7.2.4 电子情报接收机(ELINT)／电子支援测量(ESM)
7.2.5 二次监视雷达(SSR)／IFF／IFFN系统
7.2.6 毫米波雷达
7.2.7 声纳
7.2.8 红外传感器(1R)
附录A 坐标系的变换
附录B 名词与缩略语
参考文献

前言/序言

评分☆☆☆☆☆

是我要的书，可以呦，速度快

评分☆☆☆☆☆

没什么用，和我们的课程不一样

评分☆☆☆☆☆

此用户未填写评价内容

评分☆☆☆☆☆

这里又要给大家讲为什么方程式的高速弯要比普通轿车改装的赛车好很过。比如一辆普通赛车，包括保时捷3，在一个高速弯的速度有120，而方程式可以到180甚至更加高。两个原因，再贵的跑车，重量最轻都要超过一吨。大家都知道，一样东西越是重，在转弯的时候受到的离心力就肯定越是大，同样条件下自然越重越容易超过轮胎极限。第二点，方程式完全不用考虑实际生活的用途，而其他赛车大多是由民用车辆改装而来，民用车的风阻系数势必在一个比较低的范围，要不然肯定兜风，一兜风高速加速差，油耗加大，而且噪音也变大。虽然为了高速稳定，民用车设计的时候也考虑了一定的下压力，但是这完全没有专门为了比赛用的方程式下压力好。方程式的前车鼻和大尾翼能在高速的弯角产生数百公斤的下压力，这就是说简单了的空气动力学。

评分☆☆☆☆☆

评分☆☆☆☆☆

很好，很好，很好，很好。很好

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

多传感器数据融合及其应用，数据融合的可以参考下，